AI Agent现在究竟有多火？2025刚开年，OpenAI已迫不及待入局。

今天凌晨，Sam Altman在毫无预告的情况下开启直播，正式发布了OpenAI首款智能体产品：Operator（预览版）。

Operator是一个能够像人类一样使用计算机的AI智能体。它基于OpenAI最新研发的 Computer-Using Agent (CUA) 模型，通过观察屏幕并使用虚拟鼠标和键盘来完成任务，而无需依赖专门的API接口。这种设计使其可以适配任何为人类设计的软件界面，带来极高的灵活性。

技术实现上，CUA采用了一个精心设计的感知-推理-行动循环。具体的工作原理是：每次行动后，它会重新捕获屏幕画面，先将屏幕截图添加到模型上下文，通过GPT-4o的视觉能力准确理解界面内容，再依靠强化学习的推理能力（chain-of-thought）制定下一步计划，最后使用虚拟鼠标和键盘，精确执行点击、滚动或输入的界面操作，直到任务完成或需要用户输入。

也就是说，无论订餐、买票、网上购物、还是预约清洁工，只需下达一句指令，Operator都能自动在后台替你完成。

只不过目前的预览版尚未全面开放，仅供每月付费200美元的美国Pro用户体验，地址在：https://operator.chatgpt.com/。

Operator实例展示：灵活智能的多任务助手

直播中，OpenAI团队展示了几个令人印象深刻的Operator使用场景：

场景一：智能餐厅预订

当用户输入"在Beretta订一个今晚7点的双人餐位"后，Operator立即启动了一个远程浏览器会话。有趣的是，系统显示出了类似人类的地理感知能力——当OpenTable默认显示弗吉尼亚的结果时，它立即根据用户设定的旧金山位置信息自动进行了更正。发现7点没有空位后，Operator又主动提议7:45的替代时间，并在确认前征求用户意见，展示了灵活的决策能力。

场景二：智能购物助理

在购物演示中，Operator展现了强大的多模态理解能力。它可以直接识别手写购物清单图片，精确提取出"鸡蛋、菠菜、蘑菇、鸡腿肉、辣酱"等信息，并在Instacart上自动搜索对应商品。系统采用了一个清晰的工作流程：首先理解每个商品的具体需求，然后搜索最相关的商品，做出合理的数量和规格选择。当用户通过"take control"功能手动增加鸡蛋数量时，Operator也能够理解并继续完成剩余订单。

场景三：多任务并行处理

而最引人注目的还是Operator的多任务并行处理能力。它可以一边在StubHub搜索勇士队比赛门票，一边处理网球场预订、寻找清洁服务和DoorDash订餐。这得益于其远程浏览器架构，每个任务都在独立的会话中进行，确保互不干扰。在门票预订过程中，系统也展现出细致的判断力，能分析不同座位区域的优劣（如发现374美元的第一排座位优于260美元的普通座位）。同时，在涉及支付等敏感操作时，也会自动切换到隐私模式，确保用户信息安全。

性能表现

CUA在各项基准测试中表现不俗：WebArena（测试网页导航能力）上达到58.1%的成功率，在网页任务评测WebVoyager上达到87%的高分。虽然在操作系统导航测试OSWorld上的38.1%成功率与人类水平（72.4%）仍有差距，但已超越了其他公开发布的结果。官方表示，这些数据证明CUA在网页任务处理上已达到实用水平，但在复杂的操作系统交互方面仍需改进。

多层保护机制确保安全

安全性是Operator的另一大注重点。为确保实际操作可控，Operator构建了全面的多层保护体系，包括：

用户确认机制：关键操作前必须获得用户批准

实时监控：自动检测和预防可疑行为

网站限制：预设黑名单，阻止访问违规网站

隐私保护：敏感操作自动切换隐私模式

用户控制："take control"功能确保用户可随时接管操作权限

“2025是AI Agents之年”

目前，Operator的功能仍有一定限制：不支持银行交易等高风险操作，部分敏感网站需用户实时监督。地域上仅面向美国Pro用户开放，欧洲等地区可能需较长等待时间。但OpenAI已制定明确扩展计划：两周内将向开发者开放CUA模型API，后续会集成到ChatGPT并更广泛提供。

为确保产品体验，OpenAI已与OpenTable、Allrecipes、StubHub、Uber、Thumbtack、DoorDash、eBay、Target等多家品牌建立合作伙伴关系，共同探索AI Agent在各垂直领域的应用潜力，力求引领AI Agent领域进入全新的发展阶段。Operator发布后，OpenAI总裁Greg Brockman也随即转发表示：“2025年是AI Agents之年”。

Operator亮相的同一周期，AI Agent领域竞争也日趋激烈。

而OpenAI今年这第一步棋也下得思路清晰：一方面与各类三方头部平台合作，确保在高频场景的优质体验；另一方面通过API开放和ChatGPT整合双管齐下，既吸引开发者构建应用，又通过超级应用入口触达用户。将使用权限限定在Pro用户，也能在确保产品稳定性的同时，测试其它用户的付费意愿——一切都在为未来Agent经济的商业化探索奠定基础。